STATISTIKA 2

Pertemuan ke-3 dan ke-4

Uji Beda: Uji T-Test

TOPIK

• UJI T-TEST
• ANALYSIS OF VARIANCE (ANOVA)

2
PERBANDINGAN ANTAR STATISKA
PARAMETRIK DAN NON PARAMETRIK
PARAMETRIK
• Adanya syarat-syarat mengenai
parameter populasi seperti, asumsi
kenormalan.
• Variabel yang dianalisis, umumnya
terukur dalam skala interval atau
rasio.
• Lebih dari dua variabel bebas
dapat dianalisis secara bersamaan
dalam satu analisis.
3
NON PARAMETRIK
• Tidak ada syarat-syarat mengenai
parameter populasi, seperti tak ada
asumsi kenormalan.
• Variabel yg dianalisis, pada
umumnya terukur dalam skala
ordinal atau nominal.
• Sampai saat ini, sebagian besar
analisis non-parametrik terbatas satu
variabel bebas.
UJI BEDA
PETA KONSEP UJI BEDA

Parametrik One Sample T-Test

1 Kelompok
Sampel
Non Parametrik Uji Proporsi

Parametrik Paired Sample T-

Test
Berpasangan
Non Parametrik Wilcoxon
UJI BEDA 2 Kelompok
Sampel Independent
Parametrik Sample T-Test
Independent
Non Parametrik Mann Whitney u

Parametrik ANOVA
> 2 Kelompok
Sampel
Non Parametrik Kruskal Wallis
4
HIPOTESIS

• Hipotesis umum/konseptual: dugaan sementara tentang suatu keadaan. Keadaan itu dapat
berupa perbedaan, hubungan, atau pengaruh.
• Hipotesis statistik: hipotesis yang dapat dinyatakan dengan besaran-besaran statistik.
• Bentuk rumusan hipotesis statistik:
H₀ : hipotesis keadaan tak berbeda/tak berhubungan/tak berpengaruh.
H₁: hipotesis keadaan berbeda/berhubungan/berpenagruh.
• Hipotesis harus diuji untuk verifikasi tentang keadaan itu. Pengujian dapat dilakukan secara non-
statistik atau dengan statistik. Secara statistik, menguji apakah dugaan tentang populasi itu
benar atau didukung data.

5
UJI BEDA

• Sesuai dengan namanya, uji beda, maka uji ini dipergunakan untuk mencari perbedaan, baik
antara dua sampel data atau antara beberapa sampel data.
• Dalam kasus tertentu, juga bisa mencari perbedaan antara suatu sampel dengan nilai tertentu.
Perhatikan contoh-contoh berikut:
1. Perusahaan ingin mengetahui apakah lampu yang diproduksi mampu menyala lebih dari
1000 jam sesuai dengan standar yang ditetapkan perusahaan.
2. Seorang guru ingin mengetahui apakah suatu model pengajaran memberikan hasil yang
berbeda terhadap hasil prestasi belajar dua kelas siswa.
3. Perbedaan kinerja ROA sebelum dan sesudah “go public”.

6
UJI BEDA
MACAM-MACAM UJI BEDA

• Uji T-Test
• Uji Analysis of Variance (ANOVA)

7
UJI BEDA
T-Test

One Sample Independent Paired

T-test Sample T- Samples T-
Test Test

8
T-TEST
One Sample T-Test

• Uji-t untuk one sample (one sample T-test) merupakan prosedur uji-t untuk sampel
tunggal jika rata-rata suatu variabel tunggal dibandingkan dengan suatu nilai kostanta
tertentu (µ). Teknik analisis untuk membandingkan satu variabel bebas.
• Tujuan uji one sample t-test adalah untuk membandingkan rata-rata sampel yang
diteliti dengan rata-rata populasi yang sudah ada.
• Uji one sample t-test dapat juga dipakai untuk menguji hipotesis dalam statistik
deskriptif.
• Uji one sample t-test merupakan bagian dari statistik parametrik. Oleh karena itu,
asumsi data yang harus terpenuhi adalah data penelitian harus berdistribus normal.

9
T-TEST
One Sample T-Test

• Ciri-ciri uji one sample t-test:

1. Level pengukuran data yaitu, interval dan rasio.
2. Ciri utama: terdapat nilai/angka pembanding.
3. Data berdistribusi normal.

10
T-TEST
One Sample T-Test

• Contoh 1:
• Seorang peneliti ingin mengetahui rata-rata hasil belajar mahasiswa Program Studi
Manajemen Kelas X Angkatan 2020 Fakultas Ekonomi dengan mengikuti mata kuliah
Statistika 2. Rata-rata nilai nilai mahasiswa adalah 75. Berikut daftar nilai 12
mahasiswa yang diambil secara random.
• Adapun nilai rata-rata prestasi belajar 12 mahasiswa tersebut adalah sebagai berikut:

78.3 74.7 80.5 83.5 75 77.6 73.5 83.5 78.5 73.7 81.5 77

11
T-TEST
One Sample T-Test

• Uji normalitas:
a) Klik Analyze – Descriptive Statistics – Explore.
b) Klik variabel rata-rata hasil belajar mahasiswa dan pindahkan ke kolom dependen list.
c) Pilih menu Plots – lalu centang bagian normality plots with tests.
d) Klik Continue.
e) Klik OK.

12
T-TEST
One Sample T-Test

• Dasar pengambilan keputusan:

❖ Jika nilai Sig. > 0,05 maka data berdistribusi normal.
❖ Jika nilai Sig. < 0,05 maka data tidak berdistribusi normal.

13
T-TEST
One Sample T-Test

• Pengolahan data:
a) Klik Analyze – Compare Means – One sample T test.
b) Klik variabel rata-rata hasil belajar mahasiswa dan pindahkan ke kotak Tests Variabel.
c) Isikan 75 pada kotak test value.
d) Klik option untuk memilih Conviedence Interval selang kepercayaan yang akan
digunakan (posisi default: 95%). Untuk missing values atau data yang hilang, karena
dalam kasus ini tidak ada data yang kosong maka diabaikan saja.
e) Klik Continue.
f) Klik OK.

14
T-TEST
One Sample T-Test

• Berdasarkan data tersebut, maka:

a) Hipotesis
➢ H₀ = nilai rata-rata hasil belajar mahasiswa sama dengan 75.
➢ Ha = nilai rata-rata hasil belajar mahasiswa tidak sama dengan 75.

15
T-TEST
One Sample T-Test

• Dasar Pengambilan Keputusan:

a) Dengan cara membandingkan taraf signifikansi;
➢ Jika sig > 0.05, maka Ho diterima.
➢ Jika sig < 0.05, maka Ho ditolak.
b) Dengan cara membandingkan nilai t-hitung dengan t-tabel;
➢ Jika t-hitung > t-tabel, maka Ho ditolak.
➢ Jika t-hitung < t-tabel, maka Ho diterima.
c) Dengan cara menggunakan kurva.

16
T-TEST
One Sample T-Test

• Interpretasi:
a) Pada kasus ini terlihat juga bahwa signifikansi 0,011, karena signifikansi < 0,05 maka Ho
ditolak dan Ha diterima. Artinya, rata-rata prestasi belajar mahasiswa tidak sama dengan
75.
b) Pada tabel output One Sampel T-Test, memuat data hasil analisis uji-t satu sampel yang
mana nilai t-hitung sebesar 3,029, dengan df (degree of fredom), atau derajat kebebasan =
11 (N - 1), dimana t-hitung > t-tabel (3,029 > 2,201), maka Ho ditolak dan Ha diterima.
Artinya bahwa, rata-rata prestasi belajar mahasiswa tidak sama dengan 75.
c) Rumus mencari t-tabel:
= 0,05/2; df
= (0,025;11) = 2,201
17
T-TEST
One Sample T-Test

c) Uji one sample t-test menggunakan kurva:

18
T-TEST
Independent Sample T-Test

• Uji independent sample t-test digunakan untuk mengetahui apakah terdapat perbedaan
rata-rata dua sampel yang tidak berpasangan.
• Uji independent sample t-test dilakukan dengan cara membandingkan perbedaan
antara dua nilai rata-rata dengan standart error dari perbedaan rata-rata dua sampel
atau dapat ditulis dengan rumus sebagai berikut:
𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑠𝑎𝑚𝑝𝑒𝑙 𝑝𝑒𝑟𝑡𝑎𝑚𝑎 − 𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑠𝑎𝑚𝑝𝑒𝑙 𝑘𝑒𝑑𝑢𝑎
𝑡 =
𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑒𝑟𝑟𝑜𝑟 𝑝𝑒𝑟𝑏𝑒𝑑𝑎𝑎𝑛 𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑠𝑎𝑚𝑝𝑒𝑙 𝑘𝑒𝑑𝑢𝑎
• Standar error perbedaan dalam nilai rata-rata terdistribusi secara normal. Dapat
disimpulkan bahwa uji independen sample t-test adalah membandingkan rata-rata dua
grup/kelompok yang tidak berhubungan satu dengan yang lainnya.

19
T-TEST
Independent Sample T-Test

• Ciri-ciri independent sample t-test:

1. Level pengukuran data yaitu, interval dan rasio
2. Ciri utama: berasal dari dua buah populasi yang diambil secara bebas tanpa ada
hubungan.
3. Data berdistribusi normal.
4. Data bersifat homogen.

20
T-TEST
Independent Sample T-Test

• Uji normalitas:
a) Klik Analyze – Descriptive Statistics – Explore.
b) Klik variabel rata-rata hasil belajar mahasiswa dan pindahkan ke kolom dependen list.
c) Pilih menu Plots – lalu centang bagian normality plots with tests.
d) Klik Continue.
e) Klik OK.

21
T-TEST
Independent Sample T-Test

• Uji independent sample t-test:

a) Klik Analyze – Compare Means – Independent sample T Test.
b) Klik variabel hasil belajar dan pindahkan pada kotak Test variabels dan klik variabel
kelas kemudian pindahkan pada kotak Grouping variabel.
c) Klik Define Groups, pada group 1 isikan angka 1 dan group 2 isikan angka 2.
d) Klik Continue.
e) Klik OK.

22
T-TEST
Independent Sample T-Test

• Dasar Pengambilan Keputusan (output bagian pertama adalah Gropus Statistics):

1. Rata-rata hasil belajar KELAS A adalah 68,2273.
2. Rata-rata hasil belajar KELAS B adalah 85,5455.
• Kesimpulan:
“Secara absolut, jelas bahwa rata-rata hasil belajar mahasiswa berbeda antara KELAS
A dan KELAS B. Tetapi, untuk melihat apakah perbedaan ini memang nyata secara
statistik, maka kita harus melihat output bagian kedua”.

23
T-TEST
Independent Sample T-Test

• Dasar Pengambilan Keputusan (output bagian kedua):

❖ Ada dua tahapan analisis yang harus dilakukan, pertama kita harus menguji dahulu asumsi
apakah variance populasi kedua sampel tersebut sama (equal variance assumed) ataukah
berbeda (equal variance not assumed) dengan melihat nilai levene test.
❖ Setelah mengetahui apakah variance sama atau tidak, langkah selanjutnya adalah melihat
nilai t-test untuk menentukan apakah terdapat perbedaan nilai rata-rata secara signifikan.
• Mengetahui apakah varians populasi identik atau tidak, digunakan hipotesis sebagai berikut:
H₀ : Varians populasi hasil belajar KELAS A dan KELAS B adalah sama.
Ha: Varians populasi hasil belajar KELAS A dan KELAS B adalah berbeda.

24
T-TEST
Independent Sample T-Test

• Pengambilan Keputusan:
1. Jika probabilitas > 0,05, maka H0 tidak dapat ditolak jadi variance sama.
2. Jika probabilitas < 0,05, maka H0 ditolak jadi variance berbeda.
• Kesimpulan:
“Terlihat dari output bahwa F-hitung levene test sebesar 3,424 dengan probabilitas
0,071. Karena probabilitas 0,071 > 0,05, maka dapat disimpulkan bahwa H₀ tidak
dapat ditolak atau memiliki variance yang sama. Dengan demikian, uji indpenedent t-
test harus menggunakan ”Equal Variance Assumed”.

25
T-TEST
Independent Sample T-Test

• Pengambilan Keputusan:
1. Jika nilai Sig. (2-tailed) > 0,05, maka tidak terdapat perbedaan yang signifikan
antara hasil belajar pada KELAS A dan KELAS B.
2. Jika nilai Sig. (2-tailed) < 0,05, maka terdapat perbedaan yang signifikan antara
hasil belajar pada KELAS A dan KELAS B.
• Kesimpulan:
“Nilai Sig. (2-tailed) sebesar 0,000. Nilai 0,000 < 0,05, maka terdapat perbedaan
yang signifikan antara hasil belajar pada KELAS A dan KELAS B. Jadi, terdapat
perbedaan antara hasil belajar KELAS A dan KELAS B”.

26
T-TEST
Paired Sample T-Test

• Uji untuk data sampel berpasangan (paired samples t-test) digunakan untuk mengetahui
apakah terdapat perbedaan rata-rata dua sampel yang berpasangan.
• Dua sampel yang dimaksud adalah sampel yang sama, namun mempunyai dua data.
• Uji paired samples t-test merupakan bagian dari statistik parametrik, oleh karena itu,
sebagaimana aturan dalam statistik parametrik, data penelitian haruslah berdistribusi
normal.

27
T-TEST
Paired Sample T-Test

• Ciri-ciri uji paired sample t-test:

1. Level pengukuran data yaitu, interval dan rasio.
2. Ciri utama: berasal dari 1 buah populasi yang sama diberi 2 perlakuan yang
berbeda dan mempunyai hubungan.
3. Data berdistribusi normal.

28
T-TEST
Paired Sample T-Test

• Uji normalitas:
a) Klik Analyze – Descriptive Statistics – Explore.
b) Klik variabel hasil belajar mahasiswa mata kuliah statistika kelas X saat pre test dan
post test dan pindahkan ke kolom dependen list.
c) Pilih menu Plots – lalu centang bagian normality plots with tests.
d) Klik Continue.
e) Klik OK.

29
T-TEST
Paired Sample T-Test

• Uji paired sample t-test:

a) Klik Analyze – Compare Means – Paired Sample T-Test.
b) Klik sebelum-sesudah dan pindahkan ke kotak Paired Variable.
c) Klik option untuk memilih Conviedence Interval selang kepercayaan yang akan
digunakan (posisi default: 95%). Untuk missing values atau data yang hilang, karena
dalam kasus ini tidak ada data yang kosong maka diabaikan saja.
d) Klik Continue.
e) Klik OK.

30
T-TEST
Paired Sample T-Test

• Berdasarkan data di atas maka dapat dilakukan pengujian hipotesis dengan 2 cara
sebagai berikut:
a. Dengan membandingkan taraf signifikansi (P-Value).

31
T-TEST
Paired Sample T-Test

a. Dasar Pengambilan Keputusan:

1. Jika nilai Sig. (2-tailed) > 0,05, maka tidak terdapat perbedaan yang signifikan
antara hasil belajar pada data pre-test dan post-test.
2. Jika nilai Sig. (2-tailed) < 0,05, maka terdapat perbedaan yang signifikan antara
hasil belajar pada data pre-test dan post-test.
• Kesimpulan:
“Diketahui bahwa nilai Sig. (2-tailed) sebesar 0,000 < 0,05, maka kita dapat simpulkan
bahwa terdapat perbedaan antara hasil belajar pengolahan data komputer kelas A
pada data pre-test dan post-test”.

32
UJI BEDA
Analysis of Variance (ANOVA)

• Uji ANOVA (Analisis of Variance) atau sering diistilahkan sebagai uji sidik ragam, dikembangkan oleh
Ronald Fisher.
• Prinsip pengujiannya adalah menganalisis variabilitas atau keragaman data menjadi dua sumber variasi,
yaitu variasi dalam kelompok (within) dan variasi antar kelompok (between).
• Bila variasi within dan between sama maka rata-rata yang dihasilkan tidak ada perbedaan, sebaliknya
bila hasil perbandingan kedua varian tersebut menghasilkan nilai lebih dari 1, maka rata-rata yang
dibandingkan menunjukkan adanya perbedaan
• Analisis varians (ANOVA) adalah suatu teknik statistik yang memungkinkan kita untuk mengetahui apakah
dua atau lebih mean populasi akan bernilai sama dengan menggunakan data dari sampel masing–masing
populasi.
• Digunakan untuk menguji hipotesis komparatif rata–rata k sampel (jumlah lebih dari 2) bila datanya
interval atau rasio
33
UJI BEDA
Analysis of Variance (ANOVA)

One Way
Analysis of
Variance
34
ANOVA
One Way Analysis of Variance

• Istilah lain dari one way analysis of variance (analysis of varian) adalah uji anova satu
faktor.
• Uji one way anova berguna untuk menguji perbedaan rata-rata data lebih dar dua
kelompok.
• Persyaratan pengujian uji one way anova:
1. Sampel berasal dari kelompok yang independen.
2. Variabel faktor bersifat non-metrik (data kategorikal).
3. Data masing-masing kelompok berdistribusi normal.
4. Varian antar kelompok harus homogen

35
ANOVA
One Way Analysis of Variance

• Langkah-Langkah Uji One Way ANOVA:

1. Melakukan uji normalitas.
2. Melakukan uji homogenitas.
3. Melakukan uji one way anova.

36
ANOVA
One Way Analysis of Variance

• Contoh Soal:
A. Judul Penelitian.
“Perbedaan Penjualan Laptop Merek TOSHIBA, ACER, LENOVO, dan ASUS pada Toko XYZ”.
B. Masalah Penelitian.
1. Apakah terdapat perbedaan penjualan laptop merek TOSHIBA, ACER, LENOVO,
dan ASUS pada Toko XYZ?
2. Bagaimana perbedaan penjualan laptop merek TOSHIBA, ACER, LENOVO, dan
ASUS pada Toko XYZ?
3. Rata-rata penjualan laptop mana saja yang sama atau berbeda penjualannya?

37
ANOVA
One Way Analysis of Variance

1. Uji Normalitas.
Dasar Pengambilan Keputusan Uji Normalitas:
• Jika nilai Sig. > 0,05, maka data berdistribusi normal.
• Jika nilai Sig. < 0,05, maka data tidak berdistribusi normal.

38
ANOVA
One Way Analysis of Variance

2. Menguji Kesamaan Varian (Uji Homogenitas).

Berdasarkan output SPSS “Test Homogenity of Variance” diperoleh nilai signifikan
(Sig.) sebesar 0,074.
Karena nilai signifikansi 0,074 > 0,05, maka dapat disimpulkan bahwa varian
keempat kelompok penjuala laptop yang kita bandingkan tersebut adalah sama atau
homogen.
Sehingga asumsi homogenitas dalam uji one way anova sudah terpenuhi.

39
ANOVA
One Way Analysis of Variance

3. Interpretasi Output Uji One Way ANOVA:

A. Menguji Apakah Keempat Sampel Mempunyai Rata-Rata yang Sama atau
Berbeda (Uji ANOVA).
• Dasar Pengambilan Keputusan dalam Analisis ANOVA:
1. Jika nilai Sig. > 0,05, maka rata-rata sama.
2. Jika nilai Sig. < 0,05, maka rata-rata berbeda.
“Berdasarkan output ANOVA di atas, diketahui nilai Sig. sebesar 0,009 < 0,05,
sehingga dapat disimpulkan rata-rata keempat penjualan merek laptop tersebut
BERBEDA secara signifikan”.

40
ANOVA
One Way Analysis of Variance

B. Melihat perbedaan rata-rata penjualan empeat merek laptop.

Berdasarkan output SPSS Descriptives, kita dapat melihat perbedaan rata-rata
penjualan dengan rincian sebagai berikut:
1. Rata-rata penjualan laptop merek TOSHIBA sebesar 45,30.
2. Rata-rata penjualan laptop merek ACER sebesar 41,10.
3. Rata-rata penjualan laptop merek LENOVO sebesar 39,00.
4. Rata-rata penjualan laptop merek ASUS sebesar 35,70.

41
ANOVA
One Way Analysis of Variance

C. Mencari Kelompok Mana Saja yang Rata-Rata Penjualannya Sama dan Tidak Sama
(Test Post-Hoc).
• Pengujian Tukey HSD adalah pegujian perbandingan jamak untuk menentukan apakah
tiga rata-rata atau lebih berbeda secara signifikan dalam jumlah analisis varian.
Sebagai contoh, kita akan membandingkan rata-rata penjualan laptop TOSHIBA dan
ACER. Angka perbedaan rata-rata penjulalan merek laptop tersebut adalah 4,200.
Angka ini diperoleh dari nilai rata-rata (pada output deskriptif) untuk penjualan
TOSHIBA (45,30) dikurangi dengan rata-rata penjualan ACER (41.10).

42
ANOVA
One Way Analysis of Variance

• Sementara itu, perbedaan rata-rata penjualan berkisar antara -3,06 (Lower Bound)
sampai dengan 11,46 (Upper Bound) pada tingkat kepercayaan 95%. Untuk menguji
apakah terdapat perbedaan kedua merek laptop tersebut, maka kita harus melihat
nilai signifikansi hasil output SPSS lebih besar atau lebih kecil dari 0,05. Berdasarkan
output di atas, diketahui nilai Sig. sebesar 0,415 > 0,05, maka dapat disimpulkan
bahwa penjualan laptop TOSHIBA dan ACER adalah sama dan perbedaan rata-rata
penjualan secara deskriptif antara kedua laptop tersebut tidaklah signifikan.
• Selanjutnya, untuk membandingkan kelompok lainnya dilakukan dengan cara yang
sama sebagaimana cara di atas.

43
ANOVA
One Way Analysis of Variance

D. Melihat Kesamaan Rata-Rata Penjualan Keempat Merek Laptop.

• Untuk melihat kesamaan rata-rata, maka kita aka menggunakan output Turkey HSD.
1. Pada subset 1 terdapat data penjualan ASUS, LENOVO, dan ACER. Artinya,
rata-rata penjulan ketiga merek tersebut tidak mempunyai perbedaan yang
signifikan. Dengan kata lain, rata-rata penjualan ASUS, LENOVO, dan ACER
adalah sama.
2. Pada subset 2 terdapat data penjualan LENOVO, ACER, dan TOSHIBA. Artinya,
rata-rata penjulan ketiga merek tersebut tidak mempunyai perbedaan yang
signifikan. Dengan kata lain, rata-rata penjualan LENOVO, ACER, dan TOSHIBA
adalah sama.

44
ANOVA
One Way Analysis of Variance

• Pembuatan Kesimpulan Dalam Analisis ANOVA Satu Faktor.

“Dalam riset eksperimen ini, hanya rata-rata penjualan TOSHIBA dan ASUS saja yang
berbeda, sedangkan rata-rata penjualan laptop adalah sama. Dengan demikian,
variabel merek variabel merek hanya berpengaruh secara signifikan terhadap
perbedaan rata-rata penjualan laptop merek TOSHIBA dan ASUS.

45